问题描述
不久前，我问了一个类似的问题，关于如何在JAGS中获得混合模型的模型预测。 Here's my original question。
这一次，我试图获得相同模型的预测，但使用新数据，而不是用于拟合模型的原始数据。
model<-"model {
# Priors
mu_int~dnorm(0,0.0001)
sigma_int~dunif(0,100)
tau_int <- 1/(sigma_int*sigma_int)
for (j in 1:(M)){
alpha[j] ~ dnorm(mu_int,tau_int)
}
beta~dnorm(0,0.01)
sigma_res~dunif(0,100)
tau_res <- 1/(sigma_res*sigma_res)
# Likelihood
for (i in 1:n) {
mu[i] <- alpha[Mat[i]]+beta*Temp[i] # Expectation
D47[i]~dnorm(mu[i],tau_res) # The actual (random) responses
}
for(i in 1:(n)){
D47_pred[i] <- dnorm(mu[i],tau_res)
}
}"
我知道可以使用结果参数的后验分布来完成此操作，但是我想知道是否也可以在尖齿内实现它。
谢谢！
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）